Qwen-Audio-3.0-Realtime-Flash
Qwen-Audio-3.0-Realtime-Flash 是面向实时语音对话的端到端双工模型,Flash 版本侧重响应速度。官方介绍称,其通过并行推理和全向流式处理降低端到端交互延迟。(help.aliyun.com) 支持文本、音频输入和文本、音频输出,以及 Function Calling。客户端与服务端可通过持久连接同时交换流式音频和响应。(help.aliyun.cn) 支持语音活动检测…
模型发布档案
聚合模型发布动态,按发布时间浏览,发现值得关注的新模型。
Qwen-Audio-3.0-Realtime-Flash 是面向实时语音对话的端到端双工模型,Flash 版本侧重响应速度。官方介绍称,其通过并行推理和全向流式处理降低端到端交互延迟。(help.aliyun.com) 支持文本、音频输入和文本、音频输出,以及 Function Calling。客户端与服务端可通过持久连接同时交换流式音频和响应。(help.aliyun.cn) 支持语音活动检测…
千问实时语音对话模型 3.0 的 Plus 标准版,由阿里云百炼提供推理服务,侧重高质量回复和低延迟的实时双工语音交互。(help.aliyun.com) 支持音频、文本输入和输出,以及 Function Calling、联网搜索;可通过 WebSocket 接入实时对话。联网搜索默认关闭,启用后也不保证每轮触发。(help.aliyun.com) 官方列出的支持语种包括中文、英语、日语、韩语、德…
面向实时交互优化的文本转语音模型:输入文本,输出音频。官方公告称其侧重低延迟合成,首包延迟控制在 200 毫秒以内;实际延迟可能受使用条件影响。(alibabacloud.com) 支持多种语言和中文方言,并可通过自由形式指令及细粒度标签控制情绪、语气、角色、语速和音量等表达。(help.aliyun.com) 支持流式输出、自定义音色和指令控制,适用于语音助手、实时对话和智能客服等场景。(pla…
Qwen-Audio-3.0-TTS-Plus 是阿里云面向高质量语音生成的语音合成模型,输入文本、输出音频;Plus 版本侧重音质、自然度和细节表现。官方公告同时列出语音合成和实时语音合成能力。(alibabacloud.com) 支持自然语言指令和细粒度标签控制,可调整情绪、语气、角色、语速、音量和合成风格;官方称其较前一版本增强了小语种、中文方言及复杂声学条件下的表现。(alibabaclo…